基于LeNet的手写汉字识别(caffe)
我假设已经成功编译caffe,如果没有，请参考http://caffe.berkeleyvision.org/installation.html
在本教程中，我假设你的caffe安装目录是CAFFE_ROOT
一.数据准备
首先，你需要从MNIST网站下载mnist数据，并转换数据格式。可以通过执行以下命令来实现
cd $CAFFE_ROOT./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
如果显示没有安装wget或者gunzip，那么你需要分别安装。运行以上脚本之后，
examples/mnist文件夹下应该有以下两个文件夹：mnist_lmdb 和 mnist_test_lmdb
至此，数据准备完毕。
二. LeNet: the MNIST 分类模型(classification Model)
在我运行训练程序之前，让我解释下发生了什么。我们使用LeNet网络，LeNet因为在数字分类任务
表现非常不错而受到关注。我们使用了和LeNet原始实现有轻微不同的版本。我们用ReLU激活函数
代替了神经元的sigmoid激活函数。
LeNet的设计包含了CNNs的特性，这些特性仍然被用在类似ImageNet的这样的大型模型中。实际上，
LeNet包含卷积层，卷积层后面跟随着池化层，然后另外一层卷积层跟着这一层池化层，然后跟着两个
全连接层，和传统的多成感知相识。我们在以下文件定义了这些网络层：
$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt.
三. 定义MNIST网络
这节讲述了 lenet_train_test.prototxt 的模型定义，用于手写数字分类(识别).
我们假设你熟悉Goople Protobuf,并认为你读过caffe使用的protobuf定义，你可以
在以下路径中找到：$CAFFE_ROOT/src/caffe/proto/caffe.proto.
具体而言，我们会写一个caffe::NetParameter(或者用python, caffe.proto.caffe_pb2.NetParameter) protobuf.
我们将会通过给一个网络名字开始:
name:"LetNet"
数据层
当前，我们将会从刚刚创建的lmdb中读取MNIST数据，从lmdb中读取数据在data layer中定义
layer{
name: "mnist"
type: "Data"
transform_param{
scale:0.00390625
}
data_param{
source: "mnist_train_lmdb"
backend: LMDB
batch_size:64
}
top: "data"
top: "label"
}
具体而言，这网络层的名字为mnist， 类型为data,这个网络层从给定的lmdb source读取数据。我们使的
batch_size为64，我们缩放输入的图像像素，这样可以让想素质的范围落在[0,1]之间，为什么是0。00390625呢？
因为1/256=0.00390625。最后，该网络层产生两个blobs，一个是data blob, 另外一个是label blob
卷积层
让我们开始定义第一层卷积层吧。
layer{
name: "conv1"
type: "Convolution"
param { lr_mult:1 }
param { lr_mult:2 }
convolution_param {
num_output: 20
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
bottom: "data"
top: "conv1"
}
这层(第一层卷积层)接收data blob（数据层产生的数据）然后生成conv1 layer.conv1 产生20个通道的输出，
卷积核大小为5x5,步长为1。
filler允许我们随机初始化权重和偏置的值，对于weight filler, 我们使用xavier算法，该算法基于输入输出神经元的数量
自动决定初始化的尺度。对于偏置，我们简单的将其初始化为constant, 默认为0。
lr_mults是对于层的可学习参数的学习率的调整。在这个例子中，在运行期间我们将会把
权重学习率设置成solver给的学习率相同，偏置学习率是solver给的学习率的两倍，因为
这样有利于收敛速率。
池化层
实际上池化层更好定义。
layer {
name: "pool1"
type: "Pooling"
pooling_param {
kernel_size: 2
stride: 2
pool: MAX
}
bottom: "conv1"
top: "pool1"
}
以上定义的意思是说我们会通过2x2的过滤器，和步长为2的方式执行最大池化
（所以相邻的池化区域不会产生重叠）
同样，你可以写第二层卷积层和池化层。详细内容查看：
$CAFFE_ROOT/examples/mnist/lenet_train_test.prototxt
全连接层
写全连接层同样简单
layer {
name: "ip1"
type: "InnerProduct"
param { lt_mult: 1}
param { lr_mult: 2}
inner_product_param {
num_output: 500
weigh_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
bottom: "pool2"
top: "ip1"
}
这个定义为全连接层(在caffe框架中，我们称InnerProduct layer)有500个输出。
ReLU层
ReLU层也一样简单
Layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
}
因为ReLU是元素层面的运算，我们可以do in-place运算来保存记忆。这是通过给bottom和top blobs
相同的名字来实现。当然，不要在其它层类型给重复的blob名字
ReLU层之后，我们会写另外一层的全连接层
layer {
name: "ip2"
type: "InnerProduct:
param {lr_mult: 1 }
param { lr_mult: 2 }
inner_product_param {
num_output: 10
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
bottom: "ip1"
top: "ip2"
}
损失层
最后，我们写损失层
layer {
name: "loss"
type: "SoftmaxWidthLoss"
bottom: "ip2:
bottom: "label"
}
softmax_loss 层实现了softmax和多项后勤损失(multinomial logistic loss).
softmax_loss takes two blobs， 第一个是预测，第二个是给数据层提供标签。
它不产生任何输出。它所做的就是开始反向传播的时候计算损失函数的值，并report，
并依据ip2层初始化梯度。
额外的提示：写神经网络层的规则。
神经网络层的定义如下：
layer {
// ...layer definition
include: { phase: TRAIN }
}
这是一个规则，基于当前的网络状态，控制层包含在网络里面。关于层规则和模型原理的更多规则，
你可以参考：$CAFFE_ROOT/src/caffe/proto/caffe.proto
在上面的例子，这层只包括TRAIN phase。如果我们把TRAIN换成TEST， 那么这层会只包括test phase。
默认情况下，没有层规则，一层总是被包含在网络里面。因此，lenet_train_test.prototxt有两层数据层定义
(with different batch_size), 一层是用来训练，另一层是测试期间使用。同样，在TEST phase 包含精度层
(Accuracy layer)， 用来每100次迭代汇报一次精度，在lenet_solver.prototxt定义。
四. 定义MNIST Solver
仔细检查每prototxt每一行的解释：$CAFFE_ROOT/examples/mnist/lenet_solver.prototxt:
# The train/test net protocol buffer definition
net: "examples/mnist/lenet_train_test.prototxt"
# test_iter specifies how many forward passes the test should carry out.
# In the case of MNIST, we have test batch size 100 and 100 test iterations,
# covering the full 10,000 testing images.
test_iter: 100
# Carry out testing every 500 training iterations.
test_interval: 500
# The base learning rate, momentum and the weight decay of the network.
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
# The learning rate policy
lr_policy: "inv"
gamma: 0.0001
power: 0.75
# Display every 100 iterations
display: 100
# The maximum number of iterations
max_iter: 10000
# snapshot intermediate results
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
# solver mode: CPU or GPU
solver_mode: GPU
五. 训练和测试模型
你写了网络定义protobuf和solver protobuf 文件之后，训练和测试是非常简单的。
简单的执行train_lenet.sh, 或者执行以下命令：
cd $CAFFE_ROOT
./examples/mnist/train_lenet.sh
train_lenet.sh是一个简单的脚本，但是这里有一个简单的解释：主要训练工具是caffe.
当你运行代码的时候，你会看到很多如下的信息：
I1203 net.cpp:66] Creating Layer conv1
I1203 net.cpp:76] conv1 <- data
I1203 net.cpp:101] conv1 -> conv1
I1203 net.cpp:116] Top shape: 20 24 24
I1203 net.cpp:127] conv1 needs backward computation.
这些信息告诉你每一层的细节，它的连接和它的输出模型。这些信息也许有助于你调试。
初始化之后，将会开始训练：
I1203 net.cpp:142] Network initialization done. I1203 solver.cpp:36] Solver scaffolding done. I1203 solver.cpp:44] Solving LeNet
基于solver的设置，每100次迭代我们将会打印训练损失函数;每500次迭代将会测试一次网络。
你会看到如下信息：
I1203 solver.cpp:204] Iteration 100, lr = 0.00992565 I1203 solver.cpp:66] Iteration 100, loss = 0.26044 ... I1203 solver.cpp:84] Testing net I1203 solver.cpp:111] Test score #0: 0.9785 I1203 solver.cpp:111] Test score #1: 0.0606671
对于每一次训练迭代，lr是迭代的训练速率，loss是训练函数。对于测试期间的输出，
score 0 是精度， score 1是测试的损失。
几分钟之后就完成了。
I1203 solver.cpp:84] Testing net I1203 solver.cpp:111] Test score #0: 0.9897 I1203 solver.cpp:111] Test score #1: 0.0324599 I1203 solver.cpp:126] Snapshotting to lenet_iter_10000 I1203 solver.cpp:133] Snapshotting solver state to lenet_iter_10000.solverstate I1203 solver.cpp:78] Optimization Done.
最后的模型，会以二进制protobuf文件储存。储存在lenet_iter_1000
如果你用实际情况的数据训练，你可以部署你训练的模型在你的应用中。
原文网址：http://caffe.berkeleyvision.org/gathered/examples/mnist.html
